基于物体属性识别的力触觉图像采集系统设计与数据分析研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 力触觉交互数据采集研究现状 | 第10-12页 |
| 1.2.2 力触觉交互数据分析研究现状 | 第12-15页 |
| 1.3 力触觉图像的研究难点 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 系统原理概述 | 第17-23页 |
| 2.1 系统总体概述 | 第17-18页 |
| 2.2 力触觉图像的概念 | 第18页 |
| 2.3 力触觉图像采集 | 第18-20页 |
| 2.4 力触觉特征提取 | 第20页 |
| 2.5 感知模型建立 | 第20-21页 |
| 2.6 本章小节 | 第21-23页 |
| 第三章 力触觉图像采集系统设计与实现 | 第23-39页 |
| 3.1 采集系统设计框架 | 第23页 |
| 3.2 分布式压力采集模块 | 第23-30页 |
| 3.2.1 传感器性能测试与安装方法 | 第23-28页 |
| 3.2.2 分布式压力采集模块硬件设计与实现 | 第28-30页 |
| 3.3 人手角度采集模块 | 第30-33页 |
| 3.3.1 数据手套原始数据采集 | 第30-31页 |
| 3.3.2 数据手套标定与校准 | 第31-33页 |
| 3.4 基于LabView的系统软件设计与实现 | 第33-38页 |
| 3.4.1 系统软件设计框架 | 第33-34页 |
| 3.4.2 采集与显示功能 | 第34-37页 |
| 3.4.3 存储功能 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 力触觉图像数据分析方法 | 第39-55页 |
| 4.1 力触觉图像分析原理概述 | 第39页 |
| 4.2 力触觉图像及派生图像生成 | 第39-44页 |
| 4.2.1 标准化采集过程 | 第39-40页 |
| 4.2.2 派生图像生成 | 第40-44页 |
| 4.3 预处理 | 第44-46页 |
| 4.3.1 异常值剔除与平滑处理 | 第44-45页 |
| 4.3.2 数据长度标准化 | 第45-46页 |
| 4.3.3 力触觉图像分割 | 第46页 |
| 4.4 特征选择 | 第46-48页 |
| 4.5 特征提取 | 第48-52页 |
| 4.5.1 时间序列表示方法概述 | 第48-49页 |
| 4.5.2 基于“光流法”的特征提取 | 第49-52页 |
| 4.6 特征降维 | 第52-54页 |
| 4.6.1 稀疏表示理论 | 第53页 |
| 4.6.2 基于JND的特征向量稀疏编码 | 第53-54页 |
| 4.7 本章小节 | 第54-55页 |
| 第五章 感知模型建立与验证 | 第55-69页 |
| 5.1 基于多标签RBF神经网络的感知模型建立 | 第55-58页 |
| 5.1.1 多标签RBF神经网络算法 | 第55-56页 |
| 5.1.2 径向基函数中心与方差计算 | 第56-57页 |
| 5.1.3 权重向量计算 | 第57-58页 |
| 5.2 主观感知实验 | 第58-63页 |
| 5.2.1 实验对象 | 第58页 |
| 5.2.2 实验样本 | 第58-59页 |
| 5.2.3 实验过程 | 第59页 |
| 5.2.4 实验结果与分析 | 第59-63页 |
| 5.3 感知模型识别 | 第63-68页 |
| 5.3.1 样本空间获取 | 第63-65页 |
| 5.3.2 网络参数设置 | 第65页 |
| 5.3.3 感知模型识别结果 | 第65-68页 |
| 5.4 本章小节 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 未来工作展望 | 第70-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 作者在学期间的成果 | 第79页 |
